航空公司客户价值分析

2006/11/2 2007/2/19
2007/2/1 2008/8/22 2009/4/10 2008/2/10 2006/3/22
2010/4/9 2011/6/7 2010/7/5 2010/11/18 2004/11/13 2006/11/23 2006/10/25 2010/2/1
2008/3/28
FFP_TIER
WORK_CITY
WORK_PROVINCE WORK_COUNTRY AGE LOAD_TIME FLIGHT_COUNT BP_SUM EP_SUM_YR_1 EP_SUM_YR_2 SUM_YR_1 SUM_YR_2 SEG_KM_SUM
6.
北京
CN
6
北京
CN
6.
北京
CN
5Los Angeles
171483
167434
293678
0
39711
163618
164982
283712
0
34890
116350
125500
281336
0
42265
124560
130702
309928
0
27323
112364
76946
294585
0
37689
120500
114469
287042
0
39834
82440
114971
消费金额（Monetary）
M
➢ 单位期间内的消费总金额或
平均消费额。
➢ 根据M值越大越好的标准， 总额越大越有可能再次购买
R
最近一次消费（Recency）
➢ 客户最近一次的购买时间是 什么时候。最近一次消费时 间越近的顾客是最有可能对 提供的商品或是服务也最有 反应的群体。
➢ 根据R值越来越小的标准， 间隔时间越短越有可能再次
要保障。
对公司的利润贡献不及“011”型客户；但是，这类客户 具 有很高的潜在价值，如果公司分析、了解、满足他们的需 求，利用针对性的营销手段吸引他们，提高购买频率，将
给 公司带来更多利润，因此这类客户可视为公司重要的发展
客 户
这类客户有可能购买力有限；也可能购买力强，但对公司 的
一些产品不感兴趣。加大这类客户的营销投入存在一定的 失
0
24873
94055
107896
159129
0
22439
83780
102594
149254
0
16804
96945
69814
144076
0
13133
134702
60366
149053
0
29222
86875
89532
220948
0
17222
96692
75484
148227
0
30870
63100
69298
255573
94
193169
20
256337
44
204801
62
241719
213
217809
74
209810
101
209362
87
199866
53
195075
95
197222
131
199716
95
194326
47
218842
25
228851
0
74460
239560
234188
580717
0
41288
2008/12/24男 2007/8/3男 2007/8/30男 2008/8/23男 2009/4/15男 2009/9/29男 2006/3/29男 2010/4/9女 2011/7/1男 2010/7/5女
2010/11/20女 2004/12/2男
2007/11/18男 2007/10/27男
航空信息属性表
客户基本信息
属性名称
属性说明
属性名称
MEMBER_NO FFP_DATE
会员卡号 入会时间
FLIGHT_COUNT LOAD_TIME
FIRST_FLIGHT_DATE GENDER FFP_TIER WORK_CITY WORK_PROVINCE WORK_COUNTRY AGE
第一次飞行时间
39
2014/3/31
46
2014/3/31
47
2014/3/31
62
2014/3/31
46
2014/3/31
55
2014/3/31
46
2014/3/31
69
2014/3/31
45
2014/3/31
48
2014/3/31
53
2014/3/31
210
505308
140
362480
135
351159
23
CA
US
6贵阳
贵州
CN
6广州
广东
CN
6乌鲁木齐市
新疆
CN
6温州市
浙江
CN
5DRANCY
FR
6温州
浙江
CN
6PARIS
PARIS
FR
6北京
.
CN
5SAN MARINO CA
US
6深圳
广东
CN
6广州
广东
CN
4BOWLAND HEIGHTCSALIFORNIA US
6乌鲁木齐
新疆
CN
6PARIS
FR
6乌鲁木齐市
FTIERST_FLIGHT_DGAENDER
54993 28065 55106 21189 39546 56972 44924 22631 32197 31645 58877 37994 28012 54943 57881
1254
8253 58899 26955 41616 21501
41281
47229 28474 58472 13942 45075 47114 54619 12349 35883 56091 2137 27708 28014 3539
改进优势
用户评分不是离散型值，而 是连续的忠诚度评分。
用户分类通过实际数据（聚 类）来决定，而不是简单经 验值分类。
运营更加详细的了解每个属 性的权重值，并且可以细致 化分析每个属性对用户忠诚 度的影响
败风险，但适当维持与这些客户的关系又能使公司获得一 定
利润。因此，这类客户属于公司的一般重要客户。
如果他们属于新客户，那么是公司扩大客户量和市场份额 的
重要客户源，属于重要发展客户；如果属于老客户，则是 低
价值客户。
对这类客户，公司应尽量挽留，通过营销手段提高客户忠 诚
度，让客户继续留在公司。因此可视为公司的重要挽留客 户，是公司利润的潜在来源乊一。
46800
198224
214590
0
35222
59169
74497
305250
0
24423
64258
59600
222380
0
30638
38510
75816
281837
0
32263
72806
83496
243674
0
20801
136769
96568
187917
0
20044
101398
83139
148685
F
消费频率（Frequency）
➢ 单位时间内的消费次数。
最常购买的顾客，也是满 意度最高的顾客。
➢ 根据F值越多越好的标准， 单位时间内消费次数越多 越有可能再次购买
RFM模型用户群特征
RFM类 型
011
001
010 000 111
用户类型
特征
用户重要性
这类客户购买频繁、购买金额大且最
重要保持客户
79076
270067
0
23338
69300
54764
234721
0
23381
93840
93114
172231
0
31823
66239
63260
284160
0
22036
99735
93006
169358
0
24656
60930
52316
332896
0
30493
69566
122763
167113
0
29947
近
1
一次交易时间间隔短
这类客户最近一次交易时间间隔短、
重要发展客户
购
2
买金额大，购买频率较低
这类客户最近一次交易时间间隔短，
购
一般重要客户 买频率高，属于活跃客户，但累计购
4
买
交易金额较少，公司利润也较少。
（重要发展客 户
or 低价值用户）
重要挽留客户
这类客户最近一次交易时间间隔短， 但
购买频率和购买量都较低，无法立即 给
属性说明 积分兑换次数 促销积分 合作伙伴积分 总累计积分 非乘机的积分变动次 数 总基本积分
属性说明 观测窗口内的飞行次数
观测窗口的结束时间 最后一次乘机时间至观测 窗口结束时长 平均折扣率 观测窗口的票价收入 观测窗口的总飞行公里数 末次飞行日期 最大乘机间隔
数据示例
MEMBER_NO FFP_DATE
CN
FR
CALIFORNIA US
31
2014/3/31
42
2014/3/31
40
2014/3/31
64
2014/3/31
48
2014/3/31
64
2014/3/31
46
2014/3/31
50
2014/3/31
50 2014/3/31
43
2014/3/31
34
2014/3/31
47
2014/3/31
性别
会员卡级别
工作地城市
工作地所在省市
工作地所在国家 年龄
乘机信息
属性名称
EXCHANGE_COUNT
PROMOPTIVE_SUM
积分信息
PARTNER_SUM POINTS_SUM
POINT_NOTFLIGHT
BP_SUM
LAST_TO_END
AVG_DISCOUNT SUM_YR SEG_KM_SUM LAST_FLIGHT_DATE AVG_INTERVAL
2010/2/1女
2008/4/5男
2010/8/20男 2011/2/23女 2007/2/22男 2011/10/22男 2008/11/21男
2011/6/9男
2005/4/10男 2010/4/13男 2010/3/1女 2010/11/1男 2007/3/23男 2005/3/17男 2006/1/8男 2008/6/27男 2007/4/18男 2005/2/10女 2005/5/3男 2006/3/25男 2011/1/7女 2009/10/13男
287230
0
31700
72596
87401
321489
0
47052
85258
60267
375074
0
39018
69056
91581
262013
0
44539
92975
126821
271438
0
35539
44750
53977
321529
0
26426
105466
119832
179514
0
38028
68941
58 2014/3/31
47 2014/3/31
45 2014/3/31
63 2014/3/31
48 2014/3/31 50 2014/3/31 54 2014/3/31 41 2014/3/31 49 2014/3/31
2014/3/31
69
2014/3/31
41
2014/3/31
48
2014/3/31
新疆
CN
6东莞
广东
CN
6.
北京
CN
6VECHEL
NORD BRABANATN
6广州
6 5 6PARIS 6湛江 6. 6广州 6深圳 6乌鲁木齐市 6广州市 6广州 6深圳 6Paris 4UPLAND
广东
CN
CA
US
ຫໍສະໝຸດ BaiduFR
FRANCE
FR
广东
CN
北京
CN
广东
CN
广东
CN
新疆
CN
广东省
CN
广东
CN
广东
公司带来丰厚利润；
2or6
这类客户与公司的购买频率很高、购
3
买
量也很多，但长时间没有与公司交易，
存在流失风险。
这类客户购买频率较高，但长时间没 有
应对策略
客户实际贡献的价值很高，且具有很高的潜在价值，是公 司
的优质客户群，公司利润的主要贡献者，因此可视为公司 的
重要保持客户，继续维持与这类客户的关系是公司利润的 重
337314
152
273844
92
313338
101
248864
73
301864
56
262958
64
204855
43
298321
145
256093
29
210269
118
241614
50
289917
22
286164
101
219995
40
249882
64
215013
38
191038
106
220641
23
2010/7/15 2010/11/10
2006/4/6 2011/8/29 2008/7/30
2011/6/7
2005/4/10 2010/4/13 2010/2/14 2010/10/14
2007/2/1 2005/1/15
2006/1/7 2008/6/16 2006/4/11 2004/11/25 2005/4/11 2006/3/20 2006/12/1 2009/10/13
传统RFM模型的不足及改进
传统RFM
用户评分过于简单 用户行为变化无法追踪 用户潜在行为难以捕捉 RFM的权重度量困难
更多维度描述客户（最大付费 额，最小付费额，最大付费频 次等等）—主成分分析（用户 属性归一化+属性降维）
用户忠诚度评价---主成分分析 +权重划分
属性权重=各属性成分乊和/主 成分方差贡献率乊和
航空公司客户价值分析
背景
• 信息时代的来临使得企业营销焦点从产品中心转变为客户中心，客户 关系管理成为企业的核心问题。
• 客户关系管理的关键问题是客户分类，通过客户分类，区分无价值客 户、高价值客户，企业针对不同价值的客户指定优化的个性化服务方 案，采取不同的营销策略，将优先营销资源集中于高价值客户，实现 企业利润最大化目标。
285144
0
29866
115502
48696
220389
挖掘目标
• 借助航空公司客户数据，对客户进行分类 • 对不同的用户类别进行特征分析，比较不同类客户的客户价值 • 对不同价值的客户类别提供个性化服务，制定相应的营销策略。
RFM模型原理
通过某个客户近期的购买行为、购买频率和消费金额三个指标来描述客户的价值状态。